numpy.histogram2d

numpy.histogram2d(x, y, bins=10, range=None, normed=False, weights=None) [source]

Вычислить двумерную гистограмму двух наборов данных.

Параметры:

x : array_like, форма (N,) Массив, содержащий координаты x точек, которые будут гистограммированы. y : array_like, форма (N,) Массив, содержащий координаты y точек, которые будут гистограммированы. bins : int или array_like или [int, int] или [array, array], необязательно Спецификация бинов: Если int, количество бинов для двух измерений (nx=ny=bins). Если array_like, границы бинов для двух измерений (x_edges=y_edges=bins). Если [int, int], количество бинов в каждом измерении (nx, ny = bins). Если [array, array], границы бинов в каждом измерении (x_edges, y_edges = bins). Комбинация [int, array] или [array, int], где int - количество бинов, а array - границы бинов. range : array_like, форма (2,2), необязательно Левая и правая границы бинов вдоль каждого измерения (если не указаны явно в параметрах bins) : [[xmin, xmax], [ymin, ymax]]. Все значения вне этого диапазона будут считаться выбросами и не будут учтены в гистограмме. normed : bool, необязательно Если False, возвращает количество выборок в каждом бине. Если True, возвращает плотность бинов bin_count / sample_count / bin_area. weights : array_like, форма(N,), необязательно Массив значений w_i, взвешивающих каждую выборку (x_i, y_i). Веса нормализуются до 1, если normed True. Если normed False, значения возвращаемой гистограммы равны сумме весов, принадлежащих выборкам, попадающим в каждый bin.

Возвращает:

H : ndarray, форма(nx, ny) Двумерная гистограмма выборок x и y. Значения в x гистограммируются по первому измерению, а значения в y гистограммируются по второму измерению. xedges : ndarray, форма(nx+1,) Границы бинов вдоль первого измерения. yedges : ndarray, форма(ny+1,) Границы бинов вдоль второго измерения.

См. также

histogram

Гистограмма 1D

histogramdd

Многомерная гистограмма

Примечания

Когда normed True, возвращаемая гистограмма является плотностью выборки, определенной таким образом, что сумма по bin-ам произведения bin_value * bin_area равна 1.

Обратите внимание, что гистограмма не следует картезианской конвенции, где значения x находятся на оси абсцисс, а значения y на оси ординат. Скорее, x гистограммируется по первому измерению массива (вертикаль), а y по второму измерению массива (горизонталь). Это обеспечивает совместимость с histogramdd.

Примеры

>>> import matplotlib as mpl
>>> import matplotlib.pyplot as plt

Постройте двумерную гистограмму с переменной шириной bin-ов. Сначала определите границы bin-ов:

>>> xedges = [0, 1, 3, 5]
>>> yedges = [0, 2, 3, 4, 6]

Далее мы создаём гистограмму H со случайным содержимым bin-ов:

>>> x = np.random.normal(2, 1, 100)
>>> y = np.random.normal(1, 1, 100)
>>> H, xedges, yedges = np.histogram2d(x, y, bins=(xedges, yedges))
>>> H = H.T  # Let each row list bins with common y range.

imshow может отображать только квадратные бины:

>>> fig = plt.figure(figsize=(7, 3))
>>> ax = fig.add_subplot(131, title='imshow: square bins')
>>> plt.imshow(H, interpolation='nearest', origin='low',
...         extent=[xedges[0], xedges[-1], yedges[0], yedges[-1]])

pcolormesh может отображать фактические границы:

>>> ax = fig.add_subplot(132, title='pcolormesh: actual edges',
...         aspect='equal')
>>> X, Y = np.meshgrid(xedges, yedges)
>>> ax.pcolormesh(X, Y, H)

NonUniformImage может использоваться для отображения фактических границ bin-ов с интерполяцией:

>>> ax = fig.add_subplot(133, title='NonUniformImage: interpolated',
...         aspect='equal', xlim=xedges[[0, -1]], ylim=yedges[[0, -1]])
>>> im = mpl.image.NonUniformImage(ax, interpolation='bilinear')
>>> xcenters = (xedges[:-1] + xedges[1:]) / 2
>>> ycenters = (yedges[:-1] + yedges[1:]) / 2
>>> im.set_data(xcenters, ycenters, H)
>>> ax.images.append(im)
>>> plt.show()